Read more
El presente trabajo trata de la optimización de la decisión mediante métodos ensemblísticos para el tratamiento de bases de datos desequilibradas. Para ello, hemos utilizado métodos ensemblísticos, que se basan en la combinación homogénea de predicciones o clasificadores para una mejor generalización.En nuestro proyecto, hemos utilizado la base de datos Credit Card Fraud Detection para generar y evaluar el modelo propuesto. También elegimos el método de combinación del bosque aleatorio, que combina varios árboles de decisión y aplica la estrategia del voto mayoritario para producir una predicción óptima.El objetivo de nuestro estudio es construir un modelo de predicción utilizando métodos de ensamblaje para mejorar el rendimiento de un clasificador individual a la hora de tratar conjuntos de datos desequilibrados.Para lograr nuestro objetivo, además del método de combinación de bosque aleatorio utilizado, también utilizamos los métodos de submuestreo y sobremuestreo para lograr los mismos resultados y finalmente sacar una conclusión sobre los tres métodos utilizados y esto lo implementamos con el lenguaje de programación phyton.
About the author
Fiston TSHIANYI WA TSHIANYI es de nacionalidad congoleña (RD Congo), nacido en Mbuji-Mayi el 04 de marzo de 1997, es licenciado en Ciencias Aplicadas, Departamento de Ingeniería Informática en la Universidad de Mbuji-Mayi, Promoción 2022.Investigador y empresario, actualmente vive y trabaja en Mbuji-Mayi, en un banco comercial desde el 03 de febrero de 2019.
